Share of Answer: Die neue Regalfläche im Gesundheitsmarkt
Von Detlef Ostfeld
Freitagabend, halb elf. Das Kind hustet seit vier Tagen, die Apotheke hat zu, der Kinderarzt öffnet erst Montag. Die Mutter tippt eine Frage in ChatGPT. Nicht „Hustensaft Kinder kaufen“, sondern das, was sie wirklich wissen will: Ab wann ist Husten bei einem Vierjährigen ein Fall für den Arzt.
Sie bekommt eine Antwort. Sortiert, ruhig, mit Einordnung. Und irgendwo darin fällt ein Produktname.
Vielleicht Deiner. Vielleicht der vom Wettbewerber. Vielleicht keiner.
Das ist der Moment, über den wir reden müssen. Er passiert millionenfach, er passiert vor dem ersten Klick, und er passiert in einem Raum, in dem die meisten Healthcare-Marken bis heute keine belastbare Strategie haben.
Die Regalfläche ist umgezogen
Jahrzehntelang war die Logik klar. Sichtfeld in der Apotheke, Empfehlung der PTA, Platz eins bei Google. Wer dort stand, wurde gekauft.
Diese Kette hat jetzt ein neues erstes Glied. Die Antwortmaschine steht davor. Sie liest, gewichtet, verdichtet und gibt genau eine Version der Wahrheit aus. Kein Karussell mit zehn blauen Links, aus dem sich der Nutzer selbst bedient. Eine Antwort.
Für Marken heißt das: Der Wettbewerb um Aufmerksamkeit wird zum Wettbewerb um Zitierwürdigkeit. Die Kennzahl dahinter nennt sich Share of Answer. In wie vielen relevanten Fragen taucht Deine Marke auf, fachlich korrekt beschrieben, mit einer Quelle, die Dir gehört?
Ich sehe gerade viele Unternehmen, die diese Frage noch nie systematisch gestellt haben. Und ich sehe Agenturen, die „GEO-Pakete“ verkaufen, in denen am Ende dreißig FAQ-Seiten mit Keyword-Brei stehen. Beides führt an derselben Stelle vorbei.
Warum es ausgerechnet im Gesundheitsmarkt eng wird
Zwei Kräfte wirken hier gleichzeitig, und sie ziehen in unterschiedliche Richtungen.
Die eine Kraft ist der Druck, KI im eigenen Haus einzusetzen. Der ist real, und die Hürden sind es auch. Trainingsdaten liegen in Silos, oft nicht maschinenlesbar. Gesundheitsdaten unterliegen der DSGVO und je nach Anwendungsfall dem Medizinprodukterecht. Ein Teil der Systeme fällt nach EU AI Act in die Hochrisiko-Klassifizierung. Dazu kommt die fehlende Erklärbarkeit vieler Modelle, was bei Ärzten und Aufsichtsbehörden zu Recht Misstrauen erzeugt. Und Personal, das beides kann, Pharma und KI, gibt es kaum.
Die andere Kraft kommt von außen. Deine Patientinnen und Kunden nutzen KI längst, unabhängig davon, wie weit Deine interne Roadmap ist. Sie fragen nach Wirkstoffen, Wechselwirkungen, Alternativen. Was ihnen dort geantwortet wird, hat direkte Wirkung auf Vertrauen und Umsatz, und Du hast darauf zunächst null Kontrolle.
Das ist die eigentliche Zumutung dieser Lage. Die interne KI-Transformation dauert Jahre. Die externe Verschiebung der Sichtbarkeit läuft jetzt.
Was jetzt tatsächlich hilft
Ich halte nichts von Aktionismus. Was hier funktioniert, ist unspektakulär und beginnt mit Hausaufgaben, die viele Marken seit Jahren vor sich herschieben.
Eine Source of Truth pro Marke
Zugelassene Indikationen, Wirkstoffe, Dosierung, Altersgrenzen, Warnhinweise, Gegenanzeigen, Packungsgrößen, Darreichungsform, PZN, Stand der Fach- und Gebrauchsinformation. Ein Dokument, eine Verantwortlichkeit, ein Aktualisierungsprozess.
Klingt banal. Ist es nicht. In fast jedem Audit, das wir machen, finden wir Widersprüche zwischen Website, Shop, Apothekenportalen, Marktplatz-Listings und PR-Material. Für einen Menschen ist das ein Schönheitsfehler. Für ein Sprachmodell ist es ein Signal, dass Deine Quelle unzuverlässig ist.
Wer hier aufräumt, gewinnt mehr als jede Content-Offensive bringt.
Content, der bei der Frage anfängt
OTC-Suchen starten beim Symptom. Nicht beim Markennamen. Wer weiter primär Produktseiten optimiert, optimiert an der Realität vorbei.
Bauen Sie pro Indikation einen echten Cluster: Symptom, mögliche Ursachen, Selbstmedikation, Anwendung, Grenzen der Selbstmedikation, Warnzeichen, Produktinformation. Jede Seite beginnt mit einer kurzen, fachlich abgesicherten Antwort. Danach folgt die Einordnung.
Trenne Ratgeber und Produktseite sauber. Der Ratgeber beantwortet die Gesundheitsfrage neutral und evidenzbasiert. Die Produktseite erklärt das Präparat innerhalb seiner zugelassenen Indikation. Wer beides vermischt, verliert entweder die Zitierwürdigkeit oder die regulatorische Deckung.
Und der Punkt, der am häufigsten unterschätzt wird: Autorschaft sichtbar machen. Wer hat den Text geschrieben, wer hat ihn pharmazeutisch geprüft, wann zuletzt, auf welcher Quellenbasis. Das ist kein Trust-Ornament für die Fußzeile. Das ist das Material, aus dem Modelle Autorität ableiten.
Technik, die nicht im Weg steht
Schema.org-Markup für Produkt, FAQ und Organisation, deckungsgleich mit dem sichtbaren Seiteninhalt. Eine URL pro Thema. Schnelle, mobil nutzbare Seiten. Keine ungewollten Sperren für relevante Crawler.
Ein Detail mit großer Wirkung: Kritische Informationen gehören als sauberer HTML-Text auf die Seite. Indikation, Anwendung, Sicherheitshinweise. Nicht ins PDF, nicht in ein Bild, nicht hinter ein Akkordeon, das erst per JavaScript nachlädt. Was nicht gelesen werden kann, existiert für die Antwortmaschine nicht.
Compliance bleibt Chefsache
Ein KI-generierter Entwurf ist ein Entwurf. Er ersetzt keinen Freigabeprozess.
§ 3 HWG untersagt irreführende Werbung, insbesondere die Suggestion eines sicheren Erfolgs oder einer nicht belegten therapeutischen Wirkung. § 11 und § 12 HWG setzen weitere Grenzen bei Publikumswerbung und bestimmten Erkrankungen. Das gilt für Meta-Descriptions genauso wie für Influencer-Briefings und Marktplatztexte.
Zwei Leitplanken, die ich jedem Team mitgebe: Keine Diagnose-Logik im Content, also keine Konstruktion vom Typ „bei Symptom X nimm Produkt Y“. Und Red Flags eindeutig benennen, mit Dauer, Intensität, Altersgruppen, Schwangerschaft und Stillzeit, Vorerkrankungen, Wechselwirkungen, entsprechend der Gebrauchsinformation.
Wenn ein Chatbot ins Spiel kommt, der individuelle Gesundheitsdaten verarbeitet, wird die Sache noch einmal anders. Dann brauchst Du eine eigene Bewertung nach Datenschutz, Medizinprodukterecht und AI Act, bevor die erste Zeile Code geschrieben wird.
Messen, was zählt
Google-Rankings erzählen Dir nur noch einen Teil der Geschichte. Die relevantere Frage lautet: Wird die Marke bei den Fragen genannt, die Deine Zielgruppe wirklich stellt, korrekt beschrieben, mit Deiner Domain als Quelle?
| KPI | Messfrage | Ziel |
|---|---|---|
| Share of Answer | In wie vielen priorisierten Prompts wird die Marke genannt? | Präsenz bei Symptom- und Produktfragen ausbauen |
| Citation Share | Wie oft werden eigene Inhalte als Quelle zitiert? | Zitierwürdigkeit erhöhen |
| Accuracy Rate | Wie viele KI-Aussagen zu Wirkstoff, Indikation, Anwendung stimmen? | Falschinformationen früh korrigieren |
| Competitor Share | Welcher Wettbewerber wird statt Deiner Marke empfohlen? | Content- und PR-Lücken schließen |
| Sentiment & Kontext | In welchem Tonfall und mit welchen Hinweisen erscheint die Marke? | Marken- und Compliance-Risiken steuern |
| Business Impact | Wie entwickeln sich Markensuchen, Direktzugriffe, Apotheken-Weiterleitungen, Conversion? | Sichtbarkeit an Geschäftswirkung koppeln |
Der minimale Start, 30 Tage: Top-20 Verbraucherfragen je Indikation festlegen. Status quo in ChatGPT, Perplexity und den Google AI Overviews dokumentieren. Die zehn wichtigsten Seiten fachlich und technisch überarbeiten. Danach monatlich mit identischen Prompts nachmessen.
Mehr braucht es am Anfang nicht. Weniger reicht allerdings auch nicht.
Meine Position
Sichtbarkeit allein war noch nie das Ziel. Im Gesundheitsmarkt schon gar nicht. Was zählt, ist die Kombination aus Relevanz, Vertrauen und korrekter Information an dem Punkt, an dem jemand eine Entscheidung über seine Gesundheit trifft.
Dieser Punkt liegt heute oft in einem Chatfenster um halb elf abends.
Marken, die das ernst nehmen, bauen jetzt an ihrer Datengrundlage, an fachlich sauberem Content und an einem Monitoring, das den Namen verdient. Die anderen werden in zwei Jahren feststellen, dass sie aus der Empfehlung verschwunden sind, ohne dass je eine Kampagne schlechter gelaufen wäre.
